Wat zijn Large Language Models (LLMs)? (2026)

Een Large Language Model (LLM) is een AI-systeem dat getraind is op enorme hoeveelheden tekst om menselijke taal te begrijpen en te genereren. ChatGPT, Claude en Gemini zijn allemaal gebouwd op LLMs. In dit artikel leg ik uit hoe deze technologie werkt en waarom het zo'n grote impact heeft.

In het kort

• LLM staat voor Large Language Model, een groot taalmodel
• Het is getraind op miljarden teksten van het internet, boeken en andere bronnen
• De kern: het voorspelt steeds het volgende woord op basis van context
• ChatGPT (OpenAI), Claude (Anthropic) en Gemini (Google) zijn bekende LLMs
• LLMs zijn krachtig maar niet foutloos, ze kunnen hallucineren

Hoe werkt een LLM? Stap voor stap

Stap 1: Pre-training op enorme datasets

Een LLM begint met het lezen van een gigantische hoeveelheid tekst. Denk aan miljarden webpagina's, boeken, artikelen en andere documenten. Tijdens dit proces leert het model de structuur en patronen van taal.

Het model leert niet door dingen te "onthouden" zoals een database, maar door statistische verbanden te leren. Het leert dat na "de kat zit op de" waarschijnlijk woorden als "mat", "bank" of "stoel" volgen, en niet "vliegtuig" of "wiskunde".

Stap 2: De Transformer-architectuur

Moderne LLMs gebruiken een architectuur die "Transformer" heet, uitgevonden door Google in 2017. Het slimme aan Transformers is het "attention mechanism": het model kan bij het voorspellen van het volgende woord terugkijken naar alle eerdere woorden en bepalen welke het belangrijkst zijn.

Stel je de zin voor: "De programmeur schreef code en testte die vervolgens." Het woord "die" verwijst naar "code", niet naar "programmeur". Het attention mechanism helpt het model dit soort verbanden te leggen.

Stap 3: Fine-tuning en RLHF

Na de pre-training wordt het model "fine-getuned" voor specifiek gebruik. Bij ChatGPT en Claude wordt het model getraind om behulpzame, veilige antwoorden te geven via een techniek genaamd RLHF (Reinforcement Learning from Human Feedback).

Menselijke beoordelaars evalueren antwoorden van het model en geven feedback. Het model leert welke antwoorden als goed en welke als slecht worden beoordeeld.

Stap 4: Inference (het model gebruiken)

Als jij een vraag stelt aan ChatGPT of Claude, genereert het model woord voor woord een antwoord. Bij elk woord berekent het de waarschijnlijkheid van alle mogelijke volgende woorden en kiest er een.

Dit verklaart ook waarom je soms verschillende antwoorden krijgt op dezelfde vraag: er is een element van willekeur in de woordkeuze.

Bekende LLMs in 2026

| Model | Bedrijf | Gratis versie? | |-------|---------|---------------| | GPT-4o / GPT-5 | OpenAI | Ja (beperkt) | | Claude 3.5 / Opus | Anthropic | Ja (beperkt) | | Gemini 2.0 | Google | Ja | | Llama 3 | Meta | Ja (open source) | | Mistral Large | Mistral AI | Ja (beperkt) |

Wil je weten welke tool het beste bij jou past? Lees onze AI tools vergelijking.

Wat kunnen LLMs wel en niet?

Sterke punten

• Tekst genereren: artikelen, e-mails, rapporten, code
• Samenvatten: lange documenten terugbrengen tot de kern
• Vertalen: tekst vertalen tussen tientallen talen
• Uitleggen: complexe onderwerpen in eenvoudige taal uitleggen
• Code schrijven: programmeercode genereren en debuggen
• Brainstormen: ideeen genereren en creatief meedenken
• Conversatie: natuurlijke gesprekken voeren

Beperkingen

• Hallucinaties: LLMs kunnen overtuigend onjuiste informatie genereren
• Geen realtime kennis: het model weet alleen wat het tijdens training heeft geleerd (tenzij het zoekfuncties heeft)
• Slecht in wiskunde: complexe berekeningen gaan vaak fout
• Geen begrip: het model simuleert begrip maar "begrijpt" niet echt op de manier zoals mensen dat doen
• Context-limiet: er is een limiet aan hoeveel tekst het model tegelijk kan verwerken

Parameters en modelgrootte

Als je hoort dat een model "70 miljard parameters" heeft, wat betekent dat? Parameters zijn de interne "knoppen" die het model tijdens training heeft ingesteld. Meer parameters betekent over het algemeen dat het model complexere patronen kan leren.

• Kleine modellen (1-7 miljard parameters): snel, goedkoop, geschikt voor specifieke taken
• Middelgrote modellen (13-70 miljard): goede balans tussen kwaliteit en snelheid
• Grote modellen (100+ miljard): de beste kwaliteit maar duur om te draaien

De grootste modellen van OpenAI en Google hebben naar schatting honderden miljarden tot meer dan een biljoen parameters.

LLMs en je dagelijks werk

Tekst schrijven en bewerken

Gebruik een LLM als schrijfassistent. Laat het een eerste versie maken van een e-mail, rapport of presentatie en bewerk het resultaat zelf. Lees onze ChatGPT tips voor de beste aanpak.

Data-analyse

LLMs kunnen je helpen bij het analyseren van data. Upload een dataset naar ChatGPT en stel vragen in gewoon Nederlands. Of gebruik Copilot in Excel om direct in je spreadsheet te werken.

Leren en onderzoek

Stel complexe vragen en krijg uitleg op je eigen niveau. LLMs zijn uitstekende leraren die eindeloos geduld hebben en hun uitleg aanpassen aan jouw kennisniveau.

Programmeren

Code schrijven met AI is een van de krachtigste toepassingen. LLMs kunnen code genereren, debuggen, uitleggen en optimaliseren in tientallen programmeertalen.

Veelgemaakte fouten

• Alles geloven wat een LLM zegt: LLMs klinken altijd zelfverzekerd, ook als ze fout zitten. Controleer feiten altijd
• Te vage prompts geven: hoe specifieker je vraag, hoe beter het antwoord. Leer goede prompts maken
• Gevoelige data delen: typ geen wachtwoorden, financiele gegevens of bedrijfsgeheimen in een LLM
• Verwachten dat het model context onthoudt: elk nieuw gesprek begint op nul (tenzij je geheugen-functies gebruikt)
• Denken dat groter altijd beter is: een kleiner, gespecialiseerd model kan voor specifieke taken beter presteren dan een groot algemeen model
• De output letterlijk overnemen: gebruik AI-output als startpunt en voeg je eigen expertise en stem toe

Veelgestelde vragen

Wat is een Large Language Model?

Een LLM is een AI-systeem dat getraind is op miljarden teksten om taal te begrijpen en te genereren. Het voorspelt steeds het volgende woord op basis van context en geleerde patronen.

Hoe werkt een LLM?

Het model is getraind op enorme hoeveelheden tekst en heeft geleerd welke woorden waarschijnlijk op elkaar volgen. Bij het genereren van tekst voorspelt het woord voor woord wat er waarschijnlijk volgt.

Wat is het verschil tussen GPT en een LLM?

GPT is een specifiek LLM van OpenAI. LLM is de overkoepelende term. Claude (Anthropic) en Gemini zijn andere LLMs.

Kunnen LLMs alles?

Nee. Ze zijn sterk in taal maar kunnen slecht rekenen, hebben geen actuele kennis en kunnen hallucineren. Controleer altijd de output.

Zijn LLMs veilig?

Voor dagelijks gebruik wel. Deel geen gevoelige gegevens en controleer feitelijke uitspraken. Lees meer over AI veiligheid.

Wat kost het om een LLM te gebruiken?

Basisversies van ChatGPT, Claude en Gemini zijn gratis. Betaalde abonnementen kosten rond de 20-25 euro per maand.

Wat is het verschil tussen een LLM en een chatbot?

Een LLM is het onderliggende taalmodel. Een chatbot is de interface waarmee je met het model praat. ChatGPT is een chatbot die draait op het GPT-taalmodel.

Verder lezen

• Wat is AI? voor het grotere plaatje
• AI hallucinaties over waarom AI soms liegt
• Prompt engineering om betere resultaten te krijgen

---

Hulp nodig?

Kom je er niet uit? Neem gerust contact op:

• WhatsApp: Stuur een berichtje
• Email: w.bouwmeester@bouwmeesterconsultancy.nl
• Bel: +31 6 28963636

Ik help je graag verder!